EP05 AI时代产品经理的新要求讨论会纪要
详细的讨论会分享背景请见我们上一篇文章《AI如何颠覆软件：你能为AI打工吗？》。
我们尽量每周都会组织不同领域的AI讨论会，覆盖软件行业的所有细分。为了保持一个活跃的讨论环境，对参与人群会有限制。
因为“产品经理”这个词本身存在很多种定义和理解，在这两个小时的讨论中，我们发现很难直接回答AI技术对“产品经理”的影响，并且无论技术如何变化，理解用户和客户需求以及定义产品体验和商业模式的要求一直存在。在一切都趋向更不确定的现在，从业者应该共同努力减少不确定性、提高行业效率、更好地融入和接受新变化。
不是工作定义人，而是人定义工作。
本期讨论会参与者：
互联网公司的管理者/从业者，SaaS行业的管理者/从业者，AI创业者，AI产品经理
大模型背景下的AI产品需要让用户接受产品不是确定性的，而是一个概率分布的。产品经理需要将产品中确定的和不确定的部分分开，并投入较大的权重和精力去考虑不确定性部分。
因为产品是概率分布的，产品的流程也需要发生变化。概率分布的产品会是一个不断收敛不确定的部分的过程，收敛过的确定的部分可以回归传统方法去迭代优化，不确定的部分则需要继续不受约束地探索。测试也需要围绕这种确定与不确定的转换来重新设计。
产品经理变得更加重要了，但是能力的要求发生了显著变化
产品经理需要理解AI的运作方式（能耗、模型微调、算法逻辑等），否则无法定义产品的迭代和测试。
产品经理需要能够理解技术边界，这需要产品经理在算法或论文解读上有一定的基础，才能理解诸如大模型在3~4个月区间内可能达到的能力边界在哪里这类问题。
产品经理需要能够处理数据，在大模型中设定输入输出标准，收集和标注数据。不再像过去，仅写泛泛的需求文档，现在可能需要更细致地定义输出的格式和要求。
产品经理需要能够更好地完成需求识别和建立共识，把需求“翻译”成为对模型或者技术的要求。
对于2B产品来说，产品经理需要能够理解业务，包含在未来一年左右的时间内，客户的组织结构可能发生的变化的影响，尤其是现在客户也不知道未来业务流程会发生什么变化。需要产品在创新交付方式、设计和工程方面的创新。
产品经理的个人可替代风险
面向流程型的岗位更有可能消失，未来的产品需要的是策略，定义明确要做什么事情、界定范围、引入哪些要素，具体流程过程需要人工的参与会逐步减少。
早期公司比成熟公司更可能人数减少。早期公司会倾向于更小的团队，甚至以单个创始人的形式搭建出来。
产品经理与其他工作职能之间的边界变得模糊是必然趋势，每个职能都更有可能独立完成更多工作从而减低人际沟通的成本。
专业的产品经理会更专业，定义和挖掘人群的需求、设计盈利模式或商业模式这类需求并不会被AI影响，但是要求肯定也是同时大幅提高的。
AI产品并不是一个全新的产品，AI的诉求一直存在，只是过去的技术能力无法满足其中的大部分需求，或者搭建成本太高。目前大多产品还是原有产品+AI，并不是AI Native，但不做会影响竞争力。所有的产品都可以考虑AI化，原来的业务产品经理、熟悉业务和需求的人最适合来做AI转化。
2B AI产品地未来取决于未来企业流程和结构的变化，但同时AI的发展会定义未来企业的形态。
2B产品目前大多数落地场景还比较浅（企业级知识库等），还是以IT预算为主，比较难获得足够大的业务预算，还需要继续教育客户。
AI产品进入传统行业的一个关键节点是传统行业的IT部门或技术支持部门开始变化和发展，需要传统行业的人才体系真正发生变化对话才能打通。数据分析、BI功能、人脸识别这些新技术在当年进入银行等体系也经历了这个过程。
AI最容易替代的产品：基于最基础的表单信息输入定义了简单决策流程的产品。
对基于单一模型的产品来说，前端体验并不是核心，主要看的是模型本身的技术壁垒，例如目前还没有很好解决的视频和3D模型等多模态模型。这类产品比较难发挥产品经理的价值。
应用端AI产品的壁垒之一是时间差，为产品搭建一个模型系统，可以更好地对抗底层模型的变化，而不用频繁改变应用层和交互，从而赢得竞争的时间差。
应用端AI产品的更主要的壁垒可能依然以用户和数据为主，本质上与SaaS类产品区别不大。
需要多个模型的模型融合或者模型编排式产品的机会和挑战更大，需要对场景的深刻理解、模型和解决方案的边界的理解。
当前产品目前主要能做的还是单点提效。AI提效主要以书面文字类工作为主，效率提升效果较依赖自身的经验和之前的知识基础。AI可以承担一个好的效率工具，目前还不能完全承担决策工具。以下是目前大家能看到的比较好的提效实践举例。
追踪竞品，从而优化应用市场的产品描述。将排行榜前100的同类产品的标题描述详情用GPT分析提取所有关键词，生成标题、简短描述和场景描述。这个过程中还可以分析不同关键词的频率，生成覆盖更多高频关键词的内容。实际测试来看，比原本人工撰写的内容在Google Play上获取到了更高的自然流量。
用户反馈与市场调研。使用AI产品可以帮助产品经理更快地获取线上的用户反馈或者市场调研的数据，比传统搜索更快地过滤和查找有用的信息。加入更好的思考逻辑可以让AI产品的效果更好，在prompt中要求AI从特定网站和数据源中生成数据和调研结果。例如直接要求Bing Chat查找中、美、日三个市场的汽车销量，只会得到非常宽泛的答案。但如果根据产品经理的市场调研经验形成的执行逻辑，先提问哪些网站和平台有各个市场的汽车销量，然后要求AI从指定数据源中查找数据，并且进行不同数据源的对比，会比简单的就最终目的直接提问得到更好的结果。
数据处理。例如将数据丢进GPT，然后结合当前实施的热点进行分析，让GPT给出有可能的归因分析。
给客户生成方案。给2B客户交付时，客户需要一些交互界面。原来的方式是由服务人员、分析师或专业人士提供，现在一部分轻量级的产出可以由Chatgpt去完成。例如要求时效性比较高的预报告（对比 3个月时间才能产出的完整咨询报告），已经可以直接解决问题。
【讨论会】
我们已经组织了六期“AI颠覆软件讨论会”，前面六期分别是数据库、游戏软件、生成式广告、办公协同CRM、AI与产品经理、网络安全，分别邀请了行业里面最资深的从业者、创业者朋友。
第一期纪要请见《EP01：AI如何颠覆数据库讨论纪要》。
第二期纪要请见《EP02：AI如何颠覆游戏讨论纪要》。
第三期纪要请见《EP03：生成式广告讨论纪要》。
第四期纪要请见《EP04：AI如何颠覆办公与CRM讨论纪要》。
第六期纪要《EP06：AI如何颠覆网络安全讨论纪要》正在整理中。
所有的讨论纪要，请关注公众号“共识粉碎机”，在功能界面“芋圆子”→“讨论纪要”。
感兴趣加入后续讨论会活动的，请私信后台“微信号”、“工作单位”、“擅长什么AI方向的讨论”。
【AI如何颠覆软件：你能为AI打工吗】